Matching researchers' needs and patients' contributions: practical tips for meaningful patient engagement from the field of rheumatology
Notice bibliographique
Résumé
There is an increasing recognition of the importance of patient engagement and involvement in health research, specifically within the field of rheumatology. In general, researchers in this specialty appreciate the value of patients as partners in research. In practice, however, the majority of researchers does not involve patients on their research teams. Many researchers find it difficult to match their needs for patient engagement and the potential contributions from individuals living with rheumatic disease. In this Viewpoint, we provide researchers and patients practical tips for matching 'supply and demand,' based on our own experiences as patient engagement consultants and trainers in rheumatology research. All authors started as a 'naïve' patient or caregiver, an identity that evolved through a process of 'adversarial growth': positive changes that are experienced as a result of the struggle with highly challenging life circumstances. Here, we introduce four stages of adversarial growth in the context of research. We submit that all types of patients have their own experiences, qualities and skills, and can add specific input to research. The recommendations for engagement are not strict directives. They are meant as starting points for discussion or interview. Regardless of individual qualities and knowledge, we believe that all patients engaged in research have a single goal in common: to contribute to research that ultimately will change the lives of many other patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,181 | 0,257 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,033 | 0,035 |
| Communication savante | 0,035 | 0,046 |
| Science ouverte | 0,008 | 0,065 |
| Intégrité de la recherche | 0,033 | 0,057 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,011 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».